Получить глубокие ссылки на фотографии Викимедиа Коммонс
Я хотел бы получить полнотекстовый URL из картинок Wikimedia Commons. В качестве примера я хотел бы получить https://upload.wikimedia.org/wikipedia/commons/6/69/Trittin%2C_J%C3%BCrgen-0126.jpg из файла: Trittin, Jürgen-0126.jpg. Вот источник HTML:
<div class="fullMedia"><a href="https://upload.wikimedia.org/wikipedia/commons/6/69/Trittin%2C_J%C3%BCrgen-0126.jpg" class="internal" title="Trittin, Jürgen-0126.jpg">Original file</a> ‎<span class="fileInfo">(1,996 × 3,000 pixels, file size: 2.2 MB, MIME type: <span class="mime-type">image/jpeg</span>)</span>
</div>
Поскольку я делаю много запросов, я бы предпочел более легкое решение для Unix-инструментов, чем BeautifulSoup. Существует также API ( https://commons.wikimedia.org/w/api.php?action=query&prop=imageinfo&titles=File:Trittin,_J%C3%BCrgen-0126.jpg&iiprop=url), но для меня, как простой сценарий bash JSON это наложение!
Я рад, если вы могли бы помочь мне.
3 ответа
Решение
Как уже говорили другие, вы должны использовать JQ.
curl --silent 'https://commons.wikimedia.org/w/api.php?format=json&formatversion=2&action=query&prop=imageinfo&titles=File:Trittin,_J%C3%BCrgen-0126.jpg&iiprop=url' | jq --raw-output '.query.pages[0].imageinfo[0].url'
Мой хак с использованием curl и grep:
curl -s https://commons.wikimedia.org/wiki/File:Trittin,_J%C3%BCrgen-0126.jpg | grep fullImageLink | grep -o 'http[^ ]*jpg'